27届校招提前批-智能驾驶感知算法工程师

优缺点分析

角色解读

• 从算法工程师成长为资深算法专家，深入探索感知算法前沿
• 有机会转向系统架构或技术管理方向，参与更大规模系统设计
• 在智能驾驶行业快速发展背景下，可向决策规划、控制等方向拓展
• 负责道路场景视觉感知算法的研发与优化，包括车道线识别、车辆检测、行人检测等核心任务
• 设计实验数据，进行算法层面的定制化与调优
• 跟踪最新论文进展，快速复现并应用于实际场景
• 扎实的计算机视觉与深度学习基础，熟悉目标检测、分割、跟踪等算法
• 熟练掌握Python/C++，具备模型训练与调优经验
• 熟悉深度学习框架如PyTorch/TensorFlow
• 良好的问题分析与解决能力，能结合传统方法解决实际场景问题

申请策略

• 关注虹软科技的产品和技术方向，准备与公司业务相关的思考
• 在面试中展示对自动驾驶安全性和鲁棒性的理解
• 突出计算机视觉相关项目经历，特别是目标检测、分割等算法实现
• 强调论文复现或竞赛经历，展示对前沿技术的热情
• 如有车载或自动驾驶相关经验，务必重点描述
• 展示编程能力，如C++、Python及深度学习框架使用
• 提前复现几篇最新感知论文，加深对算法细节理解
• 学习自动驾驶相关的数据集和评测指标（如KITTI、nuScenes）

面试指南

• 从原理入手，解释概念和差异
• 结合实际场景说明优缺点和适用性
• 如果有实践经历，分享经验教训
• 请详细描述目标检测中anchor-based和anchor-free的区别及各自优缺点
• 如何在自动驾驶场景中处理小目标检测问题？
• 你如何复现一篇论文？遇到过哪些困难？
• 针对车道线识别，你会选择什么网络结构？为什么？
• 请解释BEV感知中如何使用transformer？